一种用于聚类的基于非负矩阵分解的降维方法

摘要

本发明属于统计模型识别与机器学技术领域，具体为一种用于聚类的基于非负矩阵分解的降维方法。本发明方法采用KL距离，加入数据归一化约束，通过最小化数据压缩和重建之间的目标误差函数，直接发觉数据维之间的内在关系，最终获得映射矩阵；再利用该映射矩阵，把高维数据投影到低维子空间中，从而进行有效的数据分析，如聚类等。本发明得到了比原分解方法更加简练的迭代公式，并在每次迭代更新中能够自然保持归一。归一化使得最终的映射矩阵与原分解方法相比具有更好的稀疏性。在得到的低维空间中，聚类结果表明本发明方法可得到更加有效的低维数据特点，算法简单而有效。

主权项

一种用于聚类的基于非负矩阵分解的降维方法，其特征在于采用KL“距离”，在数据非负要求的基础上，加入数据归一化约束，通过最小化数据压缩和重建之间的目标误差函数，直接寻求数据维之间的内在关系，最终获得映射矩阵；再利用该映射矩阵，把高维数据投影到低维子空间中，从而进行相应的数据分析。